Maintenance 4.0

2. 2
IA au service des entreprises
: maintenance prédictive
DIRECCTE – Centre-Val-de-loire le 16 Juillet 2019
Mario ELTABACH – Pole MCO CETIM
Atelier : 14h – 15h

3. 3
Cetim : Institut technologique de mécanique &
acteur régional, national, international
Régi par les articles L521.1
à L521.13 du code de la
recherche
Asi
e

4. 4
Introduction
La transformation Industrielle 4,0
• L'usine Connectée, la quatrième révolution industrielle après celle de la
mécanisation, celle de la production de masse et celle de l'automatisation.
Grâce à l'arrivée du digital, l'industrie devient un système global
interconnecté dans lequel les machines, les systèmes (ERP) et les produits
communiquent en permanence

5. 5
Création de valeurs en exploitant les données
Relations clients /
fournisseurs
Nouveaux modèles économiques
Optimisation des couts de la production
Total cost optimisation (TCO)
Optimisation de la productivité /
gain en compétitivité
Services : Product As
A Service PAAS
Maintenance
prévisionnelle
Economie
d'énergie
Surveillance
processus
Conception au
plus juste
Qualité du produit
Analyse des
besoins et des
risques
Stratégies d’instrumentation, Collecte des données,
Traitement des données par l’intelligence artificielle
Démarche du CETIM
Collecte et traitement des données
1 2
Création de nouveuax
services / gain de
productivité /
compétitivité
3
Le CETIM apporte une solution de transformation en s’appuyant sur l’IA !

6. 6
Quelles applications dans l’industrie ?
 Analyse de données / Aide à la décision
 Reconnaissance d’images et classification
 Localisation et traçabilité
 Maintenance prévisionnelle (predictive )
 Contrôle qualité
 Détection d’objets et de personnes
 Robotique collaborative
 Sécurité et productivité des chantiers
 Prévention cybersécurité
 Jumeau numérique
 Conduite autonome…

7. 7
Prétraitements
Fusion, Réduction
de dimension
Classification des
données
Sélection, Filtrage
et nettoyage
Sources et collecte
des données
Mise en forme sous
environnements
techniques
Analyses
statistiques de
tendance
Corrélations
Datamining
Textmining
Deep Learning
Méthodes de
détection
adaptatives par
dictionnaire et
cartes de contrôles
Analyse
prévisionnelle
Et
Pronostic
Intelligence artificielle
Réduction et Visualisation, Détection, Interprétation, Estimation de durée de vie résiduelle,..
BIG DATA
SMALL & SMART DATA
Collecte des
Données
 Vue du coté d’un mécanicien, L’IA est un outil d'analyse des données qui
extrait l'information pertinentes et intelligente afin de créer de la valeur. Dans
l’intelligence artificielle nous trouvons du machine learning (classification
supervisée et non supervisée) du data-mining ou encore du deeplearning, …
L’ IA dans l’industrie mécanique :
Application pour la maintenance prévisionnelle

8. 8
Data Collection: Sensor implementation
/Connectivity/ Pretreatments / Saving
Intelligent Control of deviations
Intelligent
Interpretation
Cloud computing
Alert and Alarm
generation
Data analysis
(machine- Learning,
decision making)
Data dimentiality
reduction.
(Smart Data)
Data driven Modeling /
Optimization
Data driven
Model estimation
Optimisation
(conception,
production,
maintenance
strategy,….)
Statistical analyses
& data trends
(Dashboard)
Local
Equipement
Aptitude
Fault detection &
isolation:
(Equipment,
process,..)
Remaining useful
life Estimation
Saving Big and
Small/Smart data
Dictionary based
methods
Wired
or
wireless,
WIFI,
GSM,
LPWAN
Mean time
between failures
‘MTBF’
Edge computing : Signal Processing Machine learning Data driven models
Connectivity To the futur
Detection of
abnormal
functionning
modes.
Interaction & interface with persons or the GMAO (using the
augmented reality,…)
Data acquisition
L’ IA dans l’industrie mécanique :
A B C D
Application pour la maintenance prévisionnelle: Le processus C.C.I.O

9. 9
Implémentation de l’IA en local sur un treuil de levage
Roue planétaire
Train N.1
Roue planétaire
Train N.2
Objectif :
Détecter une déviation de l’état normal d’un treuil en fonctionnement
Data Collection: Sensor implementation
/Connectivity/ Pretreatments / Saving
Intelligent Control of deviations
Intelligent
Interpretation
Data driven Modeling /
Optimization
A B C D
Exemple d’utilisation de l’Intelligence Artificielle

10. 10
Orange
LiveObjects
Identifiant: Mario_Eltabach
Mdp : !Atlas001
Architecture IIOT du banc ‘éolienne-MLS’
Sauvegarde et partage des
données brutes et des alertes
Data.h5
* Intelligence artificielle (2 méthodes)
Détection automatique de la déviation
de l’état normal de fonctionnement
Cloud : Sauvegarde et
partage des données et
des Alertes
Serveur CETIM
* Système de surveillance
* Connectivité (MQTT, Mindsphere, Ethernet)
Connectivité
IIOT Box
Web
Exemple d’utilisation de l’Intelligence Artificielle

11. 11
Radial_H Accel
Radial_V Accel
Current sensors
Gear
+X
+Y
+Z
Gear
Generator
Generator
+X
+Y
+Z
+X
+Y
+Z
Radial_H Accel
Top-Tour
(IFT200)
Instrumentation du banc ‘éolienne-MLS’, CETIM Senlis
Exemple d’utilisation de l’Intelligence Artificielle

12. 12
 Système de surveillance et instrumentation
 Instrumentation par des capteurs de vibrations, de courants,
 Surveillance avec un boitier VSE002 de chez IFM
Quatre entrées dynamiques : Vibration (Accéléromètres), courants
d’alimentation et un capteur top-tour
Accél. réducteur
axiale
Top-Tour
VSA001
Instrumentation du banc ‘éolienne-MLS’
VSA001
Accél. réducteur
horizontale
Capteur courant
Fluke i1000s
M-Courant
Exemple d’utilisation de l’Intelligence Artificielle

13. 13
Implémentation en local des deux méthodes en ‘IA’
 Utilisation de la carte RPI3 avec le logiciel open source Python3
Méthode de carte de contrôle ‘EWMA’ Méthode de classification One-Class
Exemple d’utilisation de l’Intelligence Artificielle

14. 14
Résultats : OCSVM de la période (07 Juin – 01 Juillet 2019)
Démarrage de l’apprentissage le 07 Juin.
Sortie automatique du mode apprentissage le 20 Juin.
L’alerte est survenue le 24 Juin
Exemple d’utilisation de l’Intelligence Artificielle

15. 15
Pitting
Micro Pitting
Marquage axiale
Deux zones de
grippage
Roue
Rlt 2
Rlt 1
Roue Roue
Rlt 1 de la roue, Bague externe Rlt 1 de la roue, Bague interne
indentation
Pignon Pignon Pignon
grippage
Arbre de la roue, coté Rlt 1
Inspection du réducteur début Juillet 2019
Des ‘Micro-pittings’ des dentures
de la roue et du pignon.
Le roulement 1 de la roue
comportait deux grippages au
démontage pouvant refléter des
particules coincés. Des points
dures ont étés discernés avant
démontage!
Exemple d’utilisation de l’Intelligence Artificielle

16. 16
Conclusion
La IA dans l’industrie mécanique: création de valeurs et de gains
innombrables en production, amélioration de la qualité du produit fini,
économie d’ énergie et surtout pour implémenter la maintenance prédictive.
Data Collection: Sensor implementation
/Connectivity/ Pretreatments / Saving
Intelligent Control of deviations
Intelligent
Interpretation
Data driven Modeling /
Optimization
A B C D
need and risk
analysis Instrumentation Strategy, Data Collection, Intelligent data
processing
Data transformation Framework
1 2
Creating new services,
new values /evaluation
3
L’utilisation de l’intelligence artificielle
Le ‘IA’ !